客户数据的分析.ppt

《客户数据的分析.ppt》由会员分享，可在线阅读，更多相关《客户数据的分析.ppt（43页珍藏版）》请在优知文库上搜索。

1、客户数据分析客户信息的来源和分类客户信息的来源和分类 CRM信息按来源分类信息按来源分类 CRM的信息按来源可以分为两大基本类型：内部信息和外部信息。 1内部信息 CRM的内部信息主要包括： 生产信息：主要是反映订单生产过程的信息，如订单完成计划、库存信息等。 销售信息：是企业信息结构的最重要的组成部分，主要是：订单装运应收款账单和销售报告等一系列销售信息。 技术信息：指有关产品的技术基础的信息，主要是业务过程中所涉及的产品的基本规格指标和技术参数。 2外部信息 CRM的外部信息主要包括： 市场需求信息：反映商品供需关系和发展趋势，主要由以下三方面组成：购买力信息，反映了社会购买能力，如客户的

2、大小与经营情况、客户的所有制、客户的各种分布等；购买动机信息，反映产生用户购买动机的各种原因，包括各种需求等；潜在需求信息。 竞争信息：主要反映市场竞争状况，对企业制定正确的经营对策具有十分重要的意义。竞争信息包括：市场分布信息，它反映了市场的基本结构，反映了各种产品的市场占有率；竞争对手的基本情况，如竞争对手的数量、地域分布、生产规模与能力、资金情况、技术水平与装备、产品性能与价格、市场占有、经营策略与手段、服务情况等信息。 用户信息：包括企业客户的基本情况和潜在客户的分布状况，客户的主要特点和对支付能力、信用等级等方面的测评。CRM信息按信息利用程度及难易程度分类信息按信息利用程度及难易程

3、度分类 1基本信息 基本信息是指客户信息中最原始的一类信息，这类信息是企业与客户打交道时保留下来的，如商品的购买时间、地点、数量、品种等。 基本信息是客户信息中的主要信息，占有很大的份量，同时它还是经营决策的主要依据。基本信息还应包含客户的基本情况(静态资料)及消费情况(动态资料)。这些信息包括客户的家庭住址和电话、家庭成员所受的教育程度及其收入等家庭基本情况、地区环境情况等静态资料以及客户历次消费信息、投诉信息、客户信用度等动态的数据资料。 国外企业在实施中普遍采用两种做法：一是将CRM与销售力量自动化(Sales Force Automation， SFA)相结合；二是将CRM与数据仓库相

4、结合。对于成熟的企业而言，往往采用两种结合的办法，即利用SFA软件包来管理销售周期所产生的数据，然后将其中的数据传给决策支持数据库，作为售前和售后销售数据及长期客户数据管理。同时，往往也会将这些销售数据和其它数据(如外部统计、账单、市场研究数据等)相结合，从而建立丰富的客户资料库。2统计信息 统计信息是对基本信息进行提炼，进一步汇总和统计后得到的信息，主要是各类报表。这类信息除了依据原始的基本信息外，还要依据统计的方式和方法，而统计的方式与方法又与信息使用的目的相关。因此统计信息具有以下特点：首先，它是二次信息或三次信息，是从原始信息中获取的有一定针对性的信息，其准确程度依赖于原始信息及算法。

5、在一般的情况下，可通过算法来减小系统的误差。其次，该类信息的目的性很强，使用人员有一定的限制，往往局限于决策层。3文本信息 最后一种就是对企业非常有用的，但又没有一定结构且信息量比较大的文本信息。这类信息可以将其分为两个部分，其中有一部分是可以量化或编号的，另外一种文本信息不可量化。 CRM数据库应包括的文本信息内容主要有市场调研、客户意见反馈、分析报告及一部分基本信息等CRM 的客户信息的客户信息 客户数据的来源与类型是复杂的。数据来源分为内部数据源，包括客户数据库、交易数据库、宣传活动数据库、询价记录及开展电子商务获取的Web使用信息；而外部数据源通过购买列表销售商和编译商提供的信息来获得

6、。数据类型包括描述个人和家庭特性的人口统计学数据，客户行为或交易数据，描述客户观点、生活方式或个人价值的心理或态度数据客户关系管理的信息分析客户关系管理的信息分析 分析内容主要包含以下的几个方面： 客户概况分析，包括客户的层次、风险、爱好、习惯等； 客户忠诚度分析，指客户对某个产品或商业机构的忠实程度、持久性、变动情况等； 客户利润分析，指不同客户所消费的产品的边缘利润、总利润、净利润等； 客户性能分析，指不同客户所消费的产品按种类、渠道、销售地点等指标划分的销售额； 客户未来分析，包括客户数量、类别等情况的未来发展趋势、争取客户的手段等； 客户产品分析，包括产品设计、关联性、供应链等； 客户

7、促销分析，包括广告、宣传等促销活动的管理。CRM系统的一般统计分析主要包括以下三部分：1客户市场管理统计，包括： 市场状况统计，主要是统计某一市场的规模、购买力等信息，或某一区域或产品的客户的基本情况。市场营销统计，按人员、部门、地域等统计所进行的市场推广活动的次数、规模、资料数量、结果等。市场竞争统计，主要按地域、规模等统计竞争对手的数量、实力或产品。2客户销售管理统计，包括： 客户销售合同统计，主要是统计某一客户全部或一段时期内的销售情况以及付款情况。人员或部门销售统计，按人员或部门、地域进行的统计一段或全部时期内的销售、发货、收款等信息。产品销售统计，统计某一产品一段时期内的销售情况或当

8、前的销售、生产计划、库存情况。3客户支持与服务管理统计，包括： 客户服务合同统计，统计客户合同的数量、期限、付款情况等。客户服务情况统计，按客户或其他标准统计产品质量、技术问题、特殊需求及标准案例等。人员或部门客户支持统计，按人员或部门统计客户问题处理情况。产品信息统计，主要是统计客户反映的产品的质量情况。客户关系指数模型客户关系指数模型 客户关系指数模型是分析和衡量客户关系的关键指标，可以为企业的营销业务部门提供准确的客户交互的历史以及该关系所创造的价值，从而为后续对关系的维护或发展提供参考依据。 客户关系是客户关系管理的核心内容，CRM应用系统真正管理的对象应该是“客户关系”，而不是单纯的

9、“客户交互”或者“客户信息”。只有实现对客户关系管理的实体模型向概念模型的转化，再向逻辑模型的转化才能使之对应于计算机语言，才能使其融合进以信息技术为基础的整体应用信息系统。只有客户关系计算机模型化后，CRM应用系统才能真正贴近CRM所包含的经营战略理念，为此我们需要描述客户关系的具体逻辑属性，来完整的描述一个客户关系，因此我们采用“客户关系指数”来综合描述这一客户关系。客户关系指数模型The e-Loyalty matrix客户忠诚度矩阵客户终生价值分析模型客户终生价值分析模型 1客户终生价值理论 2客户终生价值的组成联机分析处理联机分析处理 联机分析处理（Online Analytical

10、 Processing，OLAP）的概念最早由关系数据库之父E. F. Codd于1993年提出。当时Codd认为联机事务处理（OLTP）已不能满足终端用户对数据库查询分析的需要，SQL（SQL 全名是结构化查询语言（Structured Query Language），对大数据库进行的简单查询也不能满足用户分析的需求。用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求，联机分析处理应运而生。OLAP的基本概念在一个OLAP数据模型中，信息可以在概念上被视为一个立方体，它由描述的种类(维)和定值(量度)组成。维是人们观察数据的特定角度。在OLAP实际

11、模型的每一维内，数据可以被组织到一个层次中，该层次描述了数据上的细节的层次。例如，在时间维内，可能有年、月和日层次；同样，在地理维内，可能有国家、州/省和城市层次。一个OLAP时间模型的特殊实例在层次中的每个层都有确定的值。一个浏览OLAP数据的用户可以在层次间上升或下降来浏览更详细或更粗略的信息。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况，这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为(维1，维2，维n，度量指标)，如(地区、时间、产品、销售额)。 多维分析是指对以多维

12、形式组织起来的数据采取切片(Slice)、切块(Dice)、钻取(Drill-down)、旋转(Pivot)等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。立方体、维、层次和量度是OLAP多维导航的基础。通过以这种方式描述和介绍数据，用户可以直观地操纵一个复杂的数据集。对于用户来说，多维数据模型使得设计复杂的查询、在报表上安排数据、从汇总转向细节性数据、将数据过滤或分割为有意义的子集变得简单了。例如，在包含销售信息的立方体中，典型的维将包括时间、地理分布、产品、渠道、组织和说明(预算和实际数目)。典型的量度包括销售额、单位销售额、存

13、货、职员总数、收入和开支等。2OLAP的特点 Nigel Pendse和Richard Creeth的OLAP报告指出，OLAP应当提交对共享的多维信息的快速分析，含义是： 快速：以相当固定的速度向用户提交信息。大多数查询应当在5秒或更短时间内提交给用户。OLAP的一个关键原则是，对于用户所需的每个数据视图或切片 (slice)，应当有一致的响应时间。由于数据通常只是在细节层次上收集的，所以信息汇总通常是事先计算出来的。这些预先计算出的值或总和(aggregations)是OLAP性能增强的基础。 分析：执行对数据的基本数字和统计分析，这是由应用程序开发人员预定义或由用户特别定义的。 共享：在

14、大量用户间，实现潜在地共享秘密数据所必需的安全性需求。 多维：OLAP的基本特征。 信息：访问应用程序必需的、相关的所有数据和信息，而不管它驻留在何处，并不受卷的限制。3OLAP的优点 直观的多维数据模型使用户很容易就能选择、浏览和研究数据。OLAP通过一种自然的、直觉的数据模型将数据展示给最终用户 。利用这种可操纵方式，最终用户可以更有效地浏览和理解他们的数据仓库中的信息，这样就使得组织可以更好地认识他们的数据的价值。 分析查询语言为研究复杂的业务数据关系提供了强大功能。 对频繁查询的数据预先进行计算，而不是在执行时加入的数值，OLAP加快了向浏览这些多维结构的最终用户提交信息的速度。与只采

15、用关系数据库技术相比，轻松导航和快速执行的结合使得最终用户可以更快、更高效地浏览和分析数据。最终结果是，可以花费更多的时间分析数据，而分析数据库上花费的时间更少。4OLAP的实现方法 (1) ROLAP表示基于关系数据库的OLAP实现(Relational OLAP )。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。 (2) MOLAP表示基于多维数据组织的OLAP实现(Multidimensional OLAP )。以多维数据组织方式为核心，也就是说，MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块(Cube)”的结构，在MOLAP中对“立方块”的“旋转”、“切块”

16、、“切片”是产生多维数据报表的主要技术。 (3) HOLAP表示基于混合数据组织的OLAP实现(Hybrid OLAP )。如低层是关系型的，高层是多维矩阵型的，这种方式具有更好的灵活性。5基于数据仓库的OLAP 数据仓库Data Warehouse经常用作决策支持系统的基础。一个组织机构尝试使用用于联机事务处理 (OnLine Transaction Processing System，简称OLTP)的同一数据库执行策略分析时可能会遇到问题，而数据仓库的设计目的是要克服这些问题。 注：数据仓库之父William H. Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。数据仓库是一个过程而不是一个项目。OLTP系统有如下的典型特性： 支持主动